Учебное пособие «Поиски и разведка месторождений полезных ископаемых»
жүктеу/скачать 6,1 Mb.
|
Курс лекций-пос.
- Бұл бет үшін навигация:
- 21.10 Современные геоинформационные технологии при подсчете запасов
| 21.9 Статистический метод
Статистический метод применяется для подсчета запасов сырья при неравномерном его распределении по площади и мощности залежи, например для месторождений пъезокварца, исландского шпата. Некоторых типов месторождений слюды, валунов различного состава, Желваковых фосфоритов и др. Этот метод широко применяется при подсчете прогнозных запасов ископаемых углей по целым угленосным районам и бассейнам. Его можно использовать для подсчета прогнозных запасов металлических и неметаллических полезных ископаемых по рудному полю и району. Обычно определяют продуктивность залежи полезного ископаемого, под которой принято понимать выход полезного ископаемого в т или кг с единицы площади тела полезного ископаемого, принимаемую за 1м2 или 100м2 площади. Продуктивность выработки qR, пройденной по телу полезного ископаемого, определяется путем деления веса Q полезного компонента, добытого из продуктивного горизонта, на поперечное сечение (площадь) выработки S. При расчетах средней продуктивности для блоков месторождения или района иногда вводят поправочные коэффициенты. Таким образом, сущность метода заключается в определении продуктивности оруденения и площади, на которую ее следует распространить. Весовое количество сырья в подсчетном блоке определяется по формуле: P=S·p, (72), где S – площадь блока, м2; P – продуктивность оруденения, кг/м2 или т/м2. 21.10 Современные геоинформационные технологии при подсчете запасов Дисциплину «Поиски и разведка месторождений полезных ископаемых студенты-геологи ВКГТУ изучают на последнем курсе перед защитой дипломного проекта. Главная задача геологической разведки – выявить геолого-промышленные параметры месторождения для обоснованного проектирования, строительства и эксплуатации горнорудного предприятия в целях оптимального полного и экономически эффективного использования минерального сырья. есть много известных традиционных методов, которые используются для решения всех этих задач. Но в настоящее время, в инновационный век новых технологий, внедряются новые компьютерные системы, доступные геологам уже сегодня. Разработана новая методика оценки прогнозных ресурсов и методика экспрессной геолого-экономической оценки месторождений на основе компьютерных технологий. В последние несколько лет идут непрерывные обмены мнениями, порой критическими, между сторонниками традиционного метода подсчета запасов твердых полезных ископаемых и приверженцами метода блочного моделирования с использованием геостатистического анализа с интерполяцией содержаний методами Кригинга или ADW. Современные методы подсчета запасов в значительной мере основаны на использовании специализированных компьютерных программ для подсчета ресурсов и запасов методом блочного моделирования с использованием геостатистического аппарата. Оконтуривание проводится по природному борту, выявленном на основе статистики. В целом оценка недр должна базироваться на достоверности, надежности и полноте геологических данных. В горной промышленности Республики Казахстан набирает темп переход к информационным технологиям, которые позволяют существенно увеличить эффективность использования минерально-сырьевых ресурсов страны. Современные горно-геологические компьютерные системы моделирования минерализованных зон и месторождений, оценки запасов руд и пород позволяют в минимальные сроки оценить качество представленной геологической информации, выявить ошибки специалистов и указать пути их исправления. Есть много известных традиционных методов, которые используются для решения всех этих задач. Но в настоящее время, в инновационный век новых технологий, внедряются новые компьютерные системы, доступные геологам уже сегодня. Разработана новая методика оценки прогнозных ресурсов и методика экспрессной геолого-экономической оценки месторождений на основе компьютерных технологий. 21.10.1 Методы интерполяции данных Метод обратных взвешенных расстояний. Суть данного метода заключается в том, что точки, находящиеся ближе к тем, в которых производится оценивание, оказывают большее влияние, по сравнению с удалёнными точками. Для более точного определения описания топографии набор точек, по которым будет осуществляться интерполяция, выбираются в некоторой окрестности определяемой точки, так как они оказывают наибольшее влияние на ее высоту. Это производится таким образом. Выбирается максимальный радиус поиска или количество точек, ближайших по расстоянию от определяемой точки. После этого задается вес значению высоты в каждой выбранной точке, который вычисляется в зависимости от квадрата расстояния до определяемой точки. Таким образом, достигается внос большего вклада более близких точек в определение интерполируемой высоты по сравнению с более удаленными точками. Еще один метод интерполяции – «Кригинг». Кригинг (назван по фамилии южно-африканского геолога Дэнни Криге) - это геостатистический метод интерполяции позволяющий исследовать пространственные взаимоотношения между данными. Кригинг выполняет две группы задач: количественное определение пространственной структуры данных и создание прогноза. Количественное представление пространственной структуры данных, известное как вариография (создание вариограмм), дает возможность пользователям подобрать к данным модель пространственной зависимости. Для расчета неизвестного значения переменной в заданном месте кригинг будет использовать подобранную модель из вариографии, конфигурацию пространственных данных и значения в точках измерений вокруг данного местоположения. Данный метод оптимизирует процедуру интерполяции на основе статистической природы поверхности. Кригинг схож с интерполяцией ОВР, он пределяет вес окружающих измеренных точек, чтобы вычислить искомое значение в неизмеренной ячейке. Точки, которые располагаются ближе к оцениваемой ячейке, имеют большее влияние. Но присвоение веса окружающим точкам в методе кригинга немного усложнено, по сравнению с методом ОВР. В обычном кригинге вес зависит от модели вариограммы, расстояния до оцениваемой точки и пространственного распределения точек замеров вокруг оцениваемой точки. Существует два основных вида кригинга. Универсальный используется тогда, когда поверхность оценивается по неравномерно распределенным отсчетам при наличии тренда. Ординарный кригинг – более широко используемый их методов кригинга. Основой данного метода является предположение, что постоянное среднее значение неизвестно. В ординарном кригинге учитываются не только расстояния от интерполируемой точки, но и расстояние между самими точками так, что вес более близких друг к другу точек уменьшается. В универсальном кригинге предполагается, что в данных имеется какая-либо доминирующая тенденция, которую можно смоделировать с помощью детерминистической полиномиальной функции. Данный полином вычисляется из исходных значений измерений, и автокорреляция моделируется по случайным ошибкам. Когда к случайным ошибкам подобрана модель, перед расчетом полином суммируется с полученными данными, чтобы получился осмысленный результат. Универсальный кригинг применяется тогда, когда вы знаете, что в данных существуют определенные тенденции, и вы способны провести научное описание для их подтверждения. Преимуществом кригинга является то, что он даёт не только интерполированные значения, но и оценку возможной ошибки этих значений. Следует отметить, что при развитии новых прикладных компьютерных систем можно создавать аналитическую базу по определенным направлениям в геологии. Новые оригинальные решения всегда являлись естественным продолжением или развитием выполняемых работ, отвечающей текущей ситуации в экономике Республики Казахстан в целом и в горно-металлургическом комплексе, в частности. жүктеу/скачать 6,1 Mb. Достарыңызбен бөлісу:
|